Backtesting.py中trade_on_close参数对订单执行价格的影响分析
2025-06-03 13:57:59作者:何将鹤
问题背景
在使用Backtesting.py进行策略回测时,trade_on_close参数控制着订单执行价格的选择。当设置为True时,理论上所有交易都应在当日收盘价执行;当设置为False时,则使用次日开盘价执行。然而,在某些版本中存在一个关键问题:即使trade_on_close=True,平仓订单仍可能错误地使用了次日开盘价而非当日收盘价。
技术细节解析
订单执行机制
Backtesting.py的订单执行机制分为两种模式:
-
trade_on_close=False模式:
- 买入订单:使用信号生成后次日的开盘价
- 卖出订单:同样使用次日的开盘价
- 这种模式下所有价格保持一致
-
trade_on_close=True模式:
- 买入订单:使用信号生成当日的收盘价(符合预期)
- 卖出订单:在某些版本中错误地使用了次日的开盘价(不符合预期)
- 导致买入和卖出价格基准不一致
价格处理的影响
这个问题在使用处理后的价格时尤为明显。常见场景是:
- 用户只对收盘价进行了处理(如除权除息处理)
- 开盘价、最高价、最低价保持原始未处理状态
- 当买入使用处理后收盘价而卖出使用未处理开盘价时,会导致回测结果失真
问题影响
这个bug会导致以下严重后果:
- 回测结果失真:由于买卖价格基准不一致,策略表现会被错误放大或缩小
- 策略评估偏差:Sharpe比率、最大回撤等关键指标计算不准确
- 前后版本不一致:不同版本的Backtesting.py可能产生截然不同的回测结果
解决方案
该问题已在Backtesting.py v0.6.2版本中修复。更新后:
- 当trade_on_close=True时,所有订单(包括平仓订单)都严格使用当日收盘价执行
- 确保了买卖价格基准的一致性
- 回测结果更加准确可靠
最佳实践建议
- 版本控制:确保使用最新稳定版本的Backtesting.py
- 价格一致性:如果使用处理后的价格,应对所有价格字段(Open/High/Low/Close)进行统一处理
- 结果验证:对于关键策略,建议在不同版本和参数设置下进行交叉验证
- 参数明确:明确记录回测时使用的trade_on_close参数值
总结
Backtesting.py中的trade_on_close参数对回测结果有着重要影响。理解其工作机制并确保正确使用,是获得可靠回测结果的关键。开发者应及时更新到修复版本,并在使用处理后的价格时保持各价格字段的一致性,这样才能确保策略评估的准确性和可比性。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
523
3.72 K
Ascend Extension for PyTorch
Python
328
387
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
876
576
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
335
161
暂无简介
Dart
762
187
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.33 K
745
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
136